Μια νέα μελέτη που δημοσιεύθηκε στην έκδοση του Απριλίου στο Ophthalmology, διαπίστωσε ότι η τεχνητή νοημοσύνη, οι γιατροί και τα συστήματα της μπορούν να συνεργαστούν πιο αποτελεσματικά όσον αφορά τη διάγνωση της διαβητικής αμφιβληστροειδοπάθειας.
Οι μέχρι τώρα έρευνες είχαν επικεντρωθεί στο πώς λειτουργούν τα συστήματα AI συγκριτικά με τους ειδικούς στη διάγνωση ασθενειών. Η μελέτη αυτή προχωρά παραπέρα και διερευνά το πώς μπορεί να χρησιμοποιηθεί η τεχνητή νοημοσύνη σε κλινικό περιβάλλον. Στόχος ήταν να δούμε αν ο συνδυασμός ενός γιατρού και ενός αλγορίθμου είχε καλύτερη απόδοση στη διάγνωση από ό,τι μόνο ο γιατρός ή ο αλγόριθμος.
Μελέτες με συστήματα τεχνητής νοημοσύνης ΑΙ
«Αυτή η έρευνα υπογραμμίζει το πλεονέκτημα της χρήσης συστημάτων τεχνητής νοημοσύνης. Μας δείχνει πως η ακρίβεια των γιατρών βελτιώνεται όταν έχουν τη βοήθεια ενός ειδικού συστήματος που λειτουργεί σαν άλλος γιατρός», δήλωσε ο Robert Chang, MD, επίκουρος καθηγητής οφθαλμολογίας στο Ιατρικό Κέντρο του Πανεπιστήμιο του Stanford.
Η μελέτη αυτή αξιολόγησε 10 οφθαλμολόγους διαφορετικής εκπαίδευσης και εμπειρίας, ζητώντας τους να βαθμολογήσουν 1.796 οφθαλμικές εικόνες διαβητικών ασθενών. Οι ασθενείς κατατάσσονταν, με βάση την κλινική τους εικόνα, από ήπιες περιπτώσεις μέχρι πολύ σοβαρές. Οι οφθαλμολόγοι καλούνταν να αξιολογήσουν τις εικόνες με τρεις τρόπους: 1) χωρίς τον αλγόριθμο, 2) με την βοήθεια του αλγορίθμου, ή 3) με τον βοήθεια του αλγορίθμου σε συνδυασμό με μια εξήγηση τού γιατί ο αλγόριθμος παρήγαγε αυτό το αποτέλεσμα. Και οι δύο τύποι βοήθειας βελτίωσαν τη διαγνωστική ακρίβεια των ιατρών. Επίσης, βελτίωσε την εμπιστοσύνη τους στη διάγνωση.
Πώς η τεχνητή νοημοσύνη θα μπορούσε να βοηθήσει στην έγκυρη διάγνωση της διαβητικής αμφιβληστροειδοπάθειας;
Περισσότεροι από 29 εκατομμύρια Αμερικανοί έχουν διαβήτη και διατρέχουν κίνδυνο για διαβητική αμφιβληστροειδοπάθεια. Η αμφιβληστροειδοπάθεια είναι μία απότ τις παθήσεις που δυνητικά οδηγεί σε τύφλωση. Η έγκαιρη ανίχνευση και θεραπεία είναι απαραίτητες για την πρόληψη ή την ελαχιστοποίηση του κινδύνου για απώλεια της όρασης. Γι ‘αυτό είναι τόσο σημαντικό τα άτομα με διαβήτη να κάνουν ετήσιο έλεγχο. Όμως, δεν έχουν όλοι πρόσβαση σε οφθαλμίατρο και η ακρίβεια των εξετάσεων μπορεί να διαφέρει σημαντικά μεταξύ των επαγγελματιών οφθαλμολόγων. Μία μελέτη διαπίστωσε ποσοστό σφάλματος 49% μεταξύ παθολόγων, διαβητολόγων και προσωπικών γιατρών στη διάγνωση προχωρημένης διαβητικής αμφιβληστροειδοπάθειας.
Συνεπώς, η χρήση ΑΙ που αυξάνει τα αποτελέσματα της ασφαλής και σίγουρης διάγνωσης θα μπορούσε να λειτουργήσει υποστηρικτικά. Μέσω της ΑΙ τεχνολογίας θα παρουσιαζόταν μια σημαντική μείωση του βαθμού απόκλισης μεταξύ των ειδικών. Μια πρόσφατη προσπάθεια που έχει γίνει είναι ο σχεδιασμός συστημάτων τεχνητής νοημοσύνης για την ανάλυση και την ερμηνεία των εικόνων του ματιού, όπως θα έκανε ένας επαγγελματίας οφθαλμολόγος. Αυτοί οι αλγόριθμοι έχουν εκπαιδευτεί για να εντοπίσουν τη διαφορά μεταξύ των εικόνων των φυσιολογικών (υγιών) και των μη φυσιολογικών ματιών.
Προηγούμενες μελέτες έχουν διαπιστώσει ότι το λογισμικό τεχνητής νοημοσύνης που χρησιμοποιεί τεχνικές βαθιάς μάθησης, μπορεί να εντοπίσει τα σημάδια έγκαιρης προειδοποίησης της διαβητικής αμφιβληστροειδοπάθειας σε σύγκριση με μεμονωμένους οφθαλμολόγους και ειδικούς του αμφιβληστροειδούς. Η πρώτη συσκευή που βασίζεται σε AI διαγνωστική αμφιβληστροειδοπάθεια εγκεκριμένη από την Υπηρεσία Τροφίμων και Φαρμάκων των ΗΠΑ – το «IDx-DR» – χρησιμοποιείται ήδη σε ρυθμίσεις πρωτοβάθμιας περίθαλψης για τον εντοπισμό των ασθενών, με σκοπό την παραπομπή τους σε ειδικό οφθαλμίατρο.
Συστήματα ΑΙ και διαγνωστικοί ελέγχοι
Επιπλέον, η δημιουργία νέων συστημάτων ΑΙ θα μπορούσει να βοηθήσουν στην αύξηση της πρόσβασης των ασθενών σε διαγνωστικούς ελέγχους. Σοβαρές παθήσεις, όπως διαβητική αμφιβληστροειδοπάθεια, θα μπορούσαν να διαγνωστούν σε πρόωρο στάδιο και έτσι να επιτευχθεί καλύτερη θεραπεία. Παράλληλα, η ΑΙ τεχνολογία θα μπορούσε να συμβάλει και στη μείωση του κόστους, βελτιώνοντας ταυτόχρονα την ακρίβεια του ελέγχου. Στο μέλλον, οι ασθενείς ενδέχεται να μπορούν να επισκεφθούν ένα περίπτερο ελέγχου υγείας που τραβά μια φωτογραφία των ματιών. Με βάση την κλινική εικόνα το μηχάνημα θα ενημερώνει τον ενδιαφερόμενο εάν και πότε πρέπει να επισκεφθείτε έναν γιατρό.
Παρόλο που πρόκειται για μια πολλά υποσχόμενη εξέλιξη, βρισκόμαστε ακόμη στην αρχή. Σύμφωνα με τον Δρ Τσανγκ, «Κάθε αλγόριθμος είναι τόσο καλός όσο τα δεδομένα στα οποία έχει εκπαιδευτεί. Τα σύνολα δεδομένων πρέπει να είναι αρκετά μεγάλα και να έχουν αρκετή ισχύ, ώστε να αναπαριστούν την πραγματική εικόνα».
Συμπερασματικά θα λέγαμε πώς, καθώς η τεχνητή νοημοσύνη συνδυάζεται με την ανθρώπινη, επέρχεται μια επανάσταση στον τρόπο με τον οποίο αντιμετωπίζουμε τους ασθενείς.
ΠΗΓΗ:
American Academy of Ophthalmology/ aao.org